Il 1° luglio 2026 l’Independent International Scientific Panel on Artificial Intelligence delle Nazioni Unite ha pubblicato il suo primo rapporto preliminare, costruito per offrire agli Stati una base scientifica comune sulle capacità, sugli impatti e sui rischi dei sistemi di intelligenza artificiale. Il documento arriva alla vigilia del primo Global Dialogue on AI Governance, previsto a Ginevra il 6 e 7 luglio, e mette al centro un problema preciso: le tecnologie AI stanno evolvendo e venendo distribuite più rapidamente della capacità di ricercatori, regolatori e governi di osservarne gli effetti reali.
Il rapporto non sostiene che ogni conseguenza dell’AI sia già dimostrata o prevedibile. Al contrario, evidenzia un “dilemma dell’evidenza”: molte decisioni pubbliche richiedono dati solidi, studi replicabili e serie storiche sufficientemente lunghe, ma quando questi elementi diventano disponibili la tecnologia potrebbe essere già cambiata, essersi diffusa su larga scala o aver prodotto effetti difficili da correggere. L’incertezza non riguarda quindi soltanto la traiettoria tecnica dei modelli, ma anche gli impatti su lavoro, produttività, sicurezza, ambiente, informazione e diritti.
Una delle principali criticità riguarda la disponibilità di dati indipendenti. I soggetti che possiedono una visione più completa del comportamento dei modelli nel mondo reale sono spesso le aziende che li sviluppano e li distribuiscono. Ricercatori esterni, autorità statistiche, università e organismi di controllo dispongono invece di informazioni parziali, ottenute attraverso benchmark pubblici, studi limitati o dati condivisi volontariamente. Secondo il Panel, questa asimmetria rende difficile valutare con precisione fenomeni come la sostituzione o trasformazione delle mansioni, i consumi energetici e idrici lungo il ciclo di vita dei modelli, l’impatto dei sistemi generativi sull’ecosistema informativo e la sicurezza di applicazioni sempre più autonome.
Per il mercato del lavoro, il documento rileva che gli studi disponibili non consentono ancora conclusioni definitive sugli effetti macroeconomici complessivi. Esistono segnali iniziali, in particolare per alcune fasce di lavoratori più giovani e per attività esposte all’automazione cognitiva, ma il quadro resta molto variabile tra settori, Paesi e tipologie di impiego. Le previsioni divergono perché dipendono da ipotesi molto diverse sulla velocità con cui le capacità dei modelli continueranno a crescere, sul loro costo di utilizzo, sull’integrazione nei processi aziendali e sulle scelte politiche che accompagneranno la transizione.
Il Panel evidenzia inoltre il rischio di una concentrazione tecnologica e infrastrutturale. Addestrare e gestire i modelli più avanzati richiede capacità di calcolo, semiconduttori, dati, energia, competenze specialistiche e investimenti finanziari concentrati in un numero ristretto di imprese e Paesi. Gli Stati che non dispongono di infrastrutture AI, ambienti di test, capacità di valutazione e comunità scientifiche adeguate rischiano di non partecipare allo sviluppo delle tecnologie fondamentali, di avere minore influenza sugli standard internazionali e di dipendere da decisioni prese altrove. La questione non riguarda soltanto l’accesso agli strumenti, ma la possibilità di incidere su come gli strumenti vengono progettati, testati e impiegati.
Sul piano della sicurezza e dell’informazione, il rapporto invita a superare un approccio limitato alla moderazione dei singoli contenuti. Nei sistemi generativi, la produzione di testo, immagini, audio e video può essere automatizzata e distribuita su scala molto ampia; per questo l’analisi deve includere l’architettura dei servizi, i meccanismi di raccomandazione, la capacità di personalizzare messaggi persuasivi, la tracciabilità degli output e le modalità con cui le piattaforme favoriscono o limitano la diffusione coordinata di contenuti manipolativi. Il punto non è soltanto individuare un contenuto falso dopo la pubblicazione, ma comprendere le infrastrutture che consentono di generarlo, adattarlo a pubblici diversi e amplificarlo rapidamente.
Il rapporto indica tre esigenze operative: accesso controllato e rispettoso della privacy per valutatori indipendenti e autorità pubbliche, standard comuni per la rendicontazione degli impatti ambientali e rafforzamento delle capacità scientifiche e regolatorie anche nei Paesi che oggi non partecipano allo sviluppo dei modelli di frontiera. La governance dell’intelligenza artificiale viene quindi presentata come un problema di conoscenza prima ancora che di norme: senza dati comparabili, metodi di valutazione condivisi e competenze distribuite, le istituzioni possono intervenire soltanto quando gli effetti della tecnologia sono già visibili e più difficili da gestire.